CodeSys中动态切换3D模型

2024-09-06 06:20
文章标签 动态 模型 切换 3d codesys

本文主要是介绍CodeSys中动态切换3D模型，希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！

文章目录

  • 需求
  • 研究
  • 结果

需求

在前面的【CodeSys开发3d机械臂显示控件】中，我们已经实现了一个可以显示3d模型的控件。但是这个控件是和使用的3d模型绑定死的，在安装这个控件时就已经将模型文件于控件一起安装到codesys中。
假如我想在不同的工程中，对这个控件动态地指定不同的模型，该怎么实现？

研究

首先，不同的工程，把不同的模型文件包含进来是没问题的，因为codesys本身就支持导入文件资源到工程：
在这里插入图片描述
在这里插入图片描述
导入进来的文件也可以进行读、写、复制、删除等操作，【CODESYS开发教程10-文件读写（SysFile库）】。

然后，我们到PLC中的网页控件页面看看，路径为PlcLogic/visu：
在这里插入图片描述前面创建3d控件时，我们提到获取模型文件的二进制数据是利用window.CDSWebVisuAccess.getBinaryFile这个函数来实现的，而这个函数会根据输入的原始的文件名去查找实际的文件名。那原始文件名和实际文件名的对应关系在哪里呢？
在这个application.nativeelements.json文件中
在这里插入图片描述在这里插入图片描述好。先总结一下我们掌握的信息：

1.可以将文件拷贝到PLC中
2.IEC代码可以实现对PlcLogic文件夹中的任意文件进行操作（读、写、删除、复制等）
3.在html控件中访问文件只能通过固定的接口进行。
4.html控件的原始文件名与实际文件名可查。

那么，基于以上事实，我们可以这样实现我们动态更换3D控件的模型：

1.控件使用一个默认模型，假设文件名为myRobot.glb
2.在IEC代码中，通过读取application.nativeelements.json文件的内容，查找myRobot.glb对应的是哪个文件，假设是myRobot123.glb。
3.在IEC代码中，将我们下载到PLC的，准备用来替换原来模型的新模型文件newRobot.glb，拷贝覆盖到原来的模型myRobot123.glb(注意保留myRobot123.glb这个名字，也就是内容覆盖，但是名字不变)。

这样，html控件在加载模型时，就会按照文件路径来加载数据，从而加载了新模型。
下面这个是经过测试的代码：
这个是函数代码。

FUNCTION ReplaceRobotModel : UDINT
VAR_INPUTmodelFile : STRING(128);
END_VAR
VAR_OUTPUT
END_VAR
VARhFile          : SysTypes.RTS_IEC_HANDLE;//句柄iecResult      : SysTypes.RTS_IEC_RESULT;//记录函数执行的结果udiSize		   : LWORD; //用来存储文件的大小udiRead        : __XWORD;configFileName : STRING(128) := 'visu/application.nativeelements.json';jsonText : STRING(65535) := '';startIndex, endIndex : INT;targetKey : STRING := 'zygeneralrobot.glb';targetValue : STRING(128);targetFile 	: STRING(128) := 'visu/';udiCopied   : __XWORD;cpResult : RTS_IEC_RESULT;
END_VAR
-------// 文件的操作 https://blog.csdn.net/halps/article/details/128974489    targetValue := configFileName;hFile := SysFileOpen(szFile:=configFileName, am:=SYSFILE.AM_READ , pResult:=ADR(iecResult));IF hFile = RTS_INVALID_HANDLE    THEN ReplaceRobotModel := -1;RETURN;END_IF//hFile不是无效句柄，说明成功打开文件  //SysFileGetSize函数获取文件的大小，并将结果存储在udisize变量中udisize := SysFileGetSize(szFileName:=configFileName, pResult:=ADR(iecResult));//将文件中的内容读取到指定的缓冲区中。成功读取时，将返回udiRead表示实际读取的字节数，失败时将返回错误代码，并将错误状态存储在iecResult变量中。//pbyBuffer是用于存储读取内容的缓冲区//ulSize是要读取的字节数//pResult: 这是指向结果的指针，用于接收操作的结果状态。udiRead := SysFileread(hFile:=hFile, pbyBuffer:=ADR(jsonText), ulSize:=udiSize, pResult:=ADR(iecResult));//关闭文件iecResult  := SysFileClose(hFile:=hFile);startIndex := strfindA(ADR(jsonText), ADR(targetKey), 0) + len(targetKey) + 4;  // 添加引号和冒号的长度endIndex :=  strfindA(ADR(jsonText), ADR('"'), startIndex) - 1; // 找到下一个引号的位置，减去1得到值的末尾IF startIndex > 0 AND endIndex > 0 THENstrMidA(ADR(jsonText), 65535, endIndex - startIndex + 1, startIndex, ADR(targetValue), 255);END_IF;// 复制替换文件StrConcatA(ADR(targetValue), ADR(targetFile), 128);cpResult := SysFileCopy(targetFile, modelFile, ADR(udiCopied));ReplaceRobotModel := cpResult;RETURN;

调用。里面的’Application/robotArm.glb’就是新模型存放的位置。

PROGRAM READ_PRG
VARmodelFileReplaced : BOOL := FALSE;replaceFileResult : UDINT := -123;
END_VAR
------IF modelFileReplaced = FALSE THENmodelFileReplaced  := TRUE;replaceFileResult := ReplaceRobotModel(modelFile:= 'Application/robotArm.glb');
END_IF

结果

一番操作后，成功了50%。
意思是：在通过浏览器访问（http://127.0.0.1:8080）PLC的界面时，3d控件中的模型的确是新的模型；但是在CodeSys的编程软件的Visualization页面，显示的还是旧的模型。
不知道为啥。无论在visu中覆盖什么文件，甚至把这个visu文件夹都删除掉，都影响不了Visualization页面。
这应该就说明了，这个Visualization页面，应该是有一个独立的文件夹，但是不知道在哪里。哪怕我用everything来搜关键文件，都没有搜到。
当我用不同的模型时，编译出来的Application.app、Application.core、Application.crc的大小并没有明显的变化，所以资源应该没有被直接编译进文件中。神奇，真相究竟藏在哪里？

之前试过将模型数据编码成base64字符串，然后将字符串变量发送给html控件的，成功了100%，但是，传输的时间太长，20M的模型都要几分钟，感觉鸡肋。有兴趣的可以看看这里：【CodeSys中将文件读取并进行base64编码后存放于string】

参考：
【CODESYS开发教程10-文件读写（SysFile库）】

这篇关于CodeSys中动态切换3D模型的文章就介绍到这儿，希望我们推荐的文章对编程师们有所帮助！


http://www.chinasem.cn/article/1141248。

相关文章

大模型研发全揭秘：客服工单数据标注的完整攻略

大模型研发全揭秘：客服工单数据标注的完整攻略

在人工智能（AI）领域，数据标注是模型训练过程中至关重要的一步。无论你是新手还是有经验的从业者，掌握数据标注的技术细节和常见问题的解决方案都能为你的AI项目增添不少价值。在电信运营商的客服系统中，工单数据是客户问题和解决方案的重要记录。通过对这些工单数据进行有效标注，不仅能够帮助提升客服自动化系统的智能化水平，还能优化客户服务流程，提高客户满意度。本文将详细介绍如何在电信运营商客服工单的背景下进行
阅读更多...
无人叉车3d激光slam多房间建图定位异常处理方案-墙体画线地图切分方案

无人叉车3d激光slam多房间建图定位异常处理方案-墙体画线地图切分方案

墙体画线地图切分方案 针对问题：墙体两侧特征混淆误匹配，导致建图和定位偏差，表现为过门跳变、外月台走歪等 ·解决思路：预期的根治方案IGICP需要较长时间完成上线，先使用切分地图的工程化方案，即墙体两侧切分为不同地图，在某一侧只使用该侧地图进行定位 方案思路 切分原理：切分地图基于关键帧位置，而非点云。 理论基础：光照是直线的，一帧点云必定只能照射到墙的一侧，无法同时照到两侧实践考虑：关
阅读更多...
第10章 中断和动态时钟显示

第10章 中断和动态时钟显示

第10章 中断和动态时钟显示 从本章开始，按照书籍的划分，第10章开始就进入保护模式（Protected Mode）部分了，感觉从这里开始难度突然就增加了。 书中介绍了为什么有中断（Interrupt）的设计，中断的几种方式：外部硬件中断、内部中断和软中断。通过中断做了一个会走的时钟和屏幕上输入字符的程序。 我自己理解中断的一些作用： 为了更好的利用处理器的性能。协同快速和慢速设备一起工作
阅读更多...
Andrej Karpathy最新采访：认知核心模型10亿参数就够了，AI会打破教育不公的僵局

Andrej Karpathy最新采访：认知核心模型10亿参数就够了，AI会打破教育不公的僵局

夕小瑶科技说 原创  作者 | 海野 AI圈子的红人，AI大神Andrej Karpathy，曾是OpenAI联合创始人之一，特斯拉AI总监。上一次的动态是官宣创办一家名为 Eureka Labs 的人工智能+教育公司 ，宣布将长期致力于AI原生教育。 近日，Andrej Karpathy接受了No Priors（投资博客）的采访，与硅谷知名投资人 Sara Guo 和 Elad G
阅读更多...
动态规划---打家劫舍

动态规划---打家劫舍

题目： 你是一个专业的小偷，计划偷窃沿街的房屋。每间房内都藏有一定的现金，影响你偷窃的唯一制约因素就是相邻的房屋装有相互连通的防盗系统，如果两间相邻的房屋在同一晚上被小偷闯入，系统会自动报警。 给定一个代表每个房屋存放金额的非负整数数组，计算你 不触动警报装置的情况下 ，一夜之内能够偷窃到的最高金额。 思路： 动态规划五部曲： 1.确定dp数组及含义 dp数组是一维数组，dp[i]代表
阅读更多...
Retrieval-based-Voice-Conversion-WebUI模型构建指南

Retrieval-based-Voice-Conversion-WebUI模型构建指南

一、模型介绍 Retrieval-based-Voice-Conversion-WebUI（简称 RVC）模型是一个基于 VITS（Variational Inference with adversarial learning for end-to-end Text-to-Speech）的简单易用的语音转换框架。 具有以下特点 简单易用：RVC 模型通过简单易用的网页界面，使得用户无需深入了
阅读更多...
透彻！驯服大型语言模型（LLMs）的五种方法，及具体方法选择思路

透彻！驯服大型语言模型（LLMs）的五种方法，及具体方法选择思路

引言 随着时间的发展，大型语言模型不再停留在演示阶段而是逐步面向生产系统的应用，随着人们期望的不断增加，目标也发生了巨大的变化。在短短的几个月的时间里，人们对大模型的认识已经从对其zero-shot能力感到惊讶，转变为考虑改进模型质量、提高模型可用性。 「大语言模型(LLMs)其实就是利用高容量的模型架构（例如Transformer）对海量的、多种多样的数据分布进行建模得到，它包含了大量的先验
阅读更多...
图神经网络模型介绍（1）

图神经网络模型介绍（1）

我们将图神经网络分为基于谱域的模型和基于空域的模型，并按照发展顺序详解每个类别中的重要模型。 1.1基于谱域的图神经网络         谱域上的图卷积在图学习迈向深度学习的发展历程中起到了关键的作用。本节主要介绍三个具有代表性的谱域图神经网络：谱图卷积网络、切比雪夫网络和图卷积网络。 （1）谱图卷积网络 卷积定理：函数卷积的傅里叶变换是函数傅里叶变换的乘积，即F{f*g}
阅读更多...
秋招最新大模型算法面试，熬夜都要肝完它

秋招最新大模型算法面试，熬夜都要肝完它

💥大家在面试大模型LLM这个板块的时候，不知道面试完会不会复盘、总结，做笔记的习惯，这份大模型算法岗面试八股笔记也帮助不少人拿到过offer ✨对于面试大模型算法工程师会有一定的帮助，都附有完整答案，熬夜也要看完，祝大家一臂之力 这份《大模型算法工程师面试题》已经上传CSDN，还有完整版的大模型 AI 学习资料，朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费
阅读更多...
【生成模型系列（初级）】嵌入（Embedding）方程——自然语言处理的数学灵魂【通俗理解】

【生成模型系列（初级）】嵌入（Embedding）方程——自然语言处理的数学灵魂【通俗理解】

【通俗理解】嵌入（Embedding）方程——自然语言处理的数学灵魂 关键词提炼 #嵌入方程 #自然语言处理 #词向量 #机器学习 #神经网络 #向量空间模型 #Siri #Google翻译 #AlexNet 第一节：嵌入方程的类比与核心概念【尽可能通俗】 嵌入方程可以被看作是自然语言处理中的“翻译机”，它将文本中的单词或短语转换成计算机能够理解的数学形式，即向量。 正如翻译机将一种语言
阅读更多...

Copyright China编程 23002807@qq.com

沪ICP备2023033072号-2